Fugu-MT 論文翻訳(概要): Topological Fraud Detection in Latent Transaction Spaces

論文の概要: Topological Fraud Detection in Latent Transaction Spaces

arxiv url: http://arxiv.org/abs/2609.08445v1
Date: Tue, 08 Sep 2026 08:50:29 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-10 19:44:08.622539
Title: Topological Fraud Detection in Latent Transaction Spaces
Title（参考訳）: 潜在トランザクション空間におけるトポロジカルフラッド検出
Abstract要約: 教師なしフィルタリングの反復ラウンドと教師なしスナイピングによる不正検出を行う。その結果、極低レイテンシのプライバシー保護トリアージが実現した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Working entirely on topologically anonymized embeddings, we perform fraud detection using iterative rounds of unsupervised filtering followed by supervised sniping. The result is an ultra-low latency privacy--preserving triage that allows institutions to flag suspicious activity without compromising Personally Identifiable Information.
Abstract（参考訳）: 完全にトポロジカルに匿名化された埋め込みに取り組んでおり、教師なしフィルタリングの反復ラウンドと教師なしスナイピングによる不正検出を行う。その結果、極低レイテンシのプライバシー保護トリアージが実現した。

関連論文リスト

Detecting Safety Violations Across Many Agent Traces [41.40594315855062]
本稿では,クラスタリングとエージェント検索を組み合わせることで,自然言語で指定された違反を明らかにするMeerkatを紹介する。 Meerkatは誤用、不正調整、タスクゲームの設定などを通じて、モニター上の安全違反の検出を大幅に改善している。
論文参考訳（メタデータ） (2026-04-13T17:59:40Z)
NeuroFilter: Privacy Guardrails for Conversational LLM Agents [50.75206727081996]
本研究は,エージェント型大規模言語モデル(LLM)のプライバシを強制する際の計算上の課題に対処する。 NeuroFilterは、標準違反をモデルのアクティベーション空間における単純な方向にマッピングすることで、コンテキスト整合性を運用するガードレールフレームワークである。 7Bから70Bパラメータのモデルをカバーする15万以上のインタラクションに対する包括的な評価は、NeuroFilterの強力なパフォーマンスを示している。
論文参考訳（メタデータ） (2026-01-21T05:16:50Z)
Fantastic Reasoning Behaviors and Where to Find Them: Unsupervised Discovery of the Reasoning Process [66.38541693477181]
本稿では, アクティベーション空間の方向として, 異なる推論挙動を符号化する, 推論ベクトルの発見のための教師なしフレームワークを提案する。思考の連鎖トレースを文レベルの「ステップ」にセグメント化することで、リフレクションやバックトラックのような解釈可能な振る舞いに対応する歪んだ特徴を明らかにする。本研究では,SAEデコーダ空間における信頼性関連ベクトルを同定し,応答信頼性を制御する能力を示す。
論文参考訳（メタデータ） (2025-12-30T05:09:11Z)
A Label-Free Heterophily-Guided Approach for Unsupervised Graph Fraud Detection [60.09453163562244]
本稿では,非教師付きGFDのための非教師付きグラフ不正検出手法(HUGE)を提案する。推定モジュールでは、GFD の臨界グラフ特性をキャプチャする HALO と呼ばれる新しいラベルフリーなヘテロフィリー計量を設計する。アライメントに基づく不正検出モジュールにおいて、ランキング損失と非対称アライメント損失を有する合同GNNアーキテクチャを開発する。
論文参考訳（メタデータ） (2025-02-18T22:07:36Z)
Semi-supervised Credit Card Fraud Detection via Attribute-Driven Graph Representation [28.745101225936697]
不正検出のための半教師付きグラフニューラルネットワークを提案する。具体的には、トランザクションレコードを活用して、時間的トランザクショングラフを構築します。次に、Gated Temporal Attention Network (GTAN)を介してノード間でメッセージを渡し、トランザクション表現を学習します。
論文参考訳（メタデータ） (2024-12-24T08:48:48Z)
Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
論文参考訳（メタデータ） (2024-12-22T03:25:43Z)
Towards End-to-End Unsupervised Saliency Detection with Self-Supervised Top-Down Context [25.85453873366275]
トップダウンコンテキストを介し、自己教師付きエンドツーエンドの有能なオブジェクト検出フレームワークを提案する。最も深い特徴から自己ローカライゼーションを生かして位置マップを構築し,最も指導的なセグメンテーション指導を学習する。提案手法は,近年のエンド・ツー・エンド手法と,多段階ソリューションの大部分において,先行的な性能を実現する。
論文参考訳（メタデータ） (2023-10-14T08:43:22Z)
Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
論文参考訳（メタデータ） (2022-04-04T13:39:43Z)
SaCoFa: Semantics-aware Control-flow Anonymization for Process Mining [4.806322013167162]
プロセスのセマンティクスを組み込んだプライバシー保護について論じる。指数関数的なメカニズムに基づいて,クエリ結果の差分プライバシーを確保するためにセマンティック制約が組み込まれていることを示す。
論文参考訳（メタデータ） (2021-09-17T12:26:49Z)
A Rule Mining-Based Advanced Persistent Threats Detection System [2.75264806444313]
高度な永続的脅威(APT)は、標的組織から貴重な情報を盗もうとするステルスなサイバー攻撃である。活動間の因果関係を見つけ出し、不審な出来事を発生させるのに役立てることができるため、希少な追跡と痕跡採掘は有望であると考えられている。プロセスアクティビティを反映するOSに依存しない特徴を活用する教師なしの手法を導入し,プロファイランストレースから現実的なAPTライクな攻撃を検出する。
論文参考訳（メタデータ） (2021-05-20T22:13:13Z)
Unsupervised Object Detection with LiDAR Clues [70.73881791310495]
本稿では,LiDARの手がかりを用いた非教師対象検出のための最初の実用的手法を提案する。提案手法では,まず3次元点雲に基づく候補オブジェクトセグメントを生成する。そして、セグメントラベルを割り当て、セグメントラベルネットワークを訓練する反復的なセグメントラベル処理を行う。ラベル付けプロセスは、長い尾とオープンエンドの分布の問題を軽減するために慎重に設計されている。
論文参考訳（メタデータ） (2020-11-25T18:59:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。